Conversão de arquivos
CSV, JSON ou XML: como tirar dados de um PDF
PDFs são feitos para pessoas lerem. Quando o conteúdo precisa ir para uma planilha, um sistema ou um script, é preciso transformá-lo em um formato que programas entendam.
Texto simples ou dados estruturados?
Texto simples (TXT) é só a sequência de palavras, boa para ler, pesquisar e colar. Dados estruturados organizam a informação em partes com nome e posição: linhas e colunas no CSV, etiquetas no XML, objetos e listas no JSON. Isso permite que um programa encontre cada parte sem interpretar o layout.
Qual formato escolher
CSV: para tabelas que vão para uma planilha ou para importação em sistemas. Cada linha é um registro.
JSON: para desenvolvedores e APIs. O arquivo traz páginas, linhas, tamanho da fonte e a indicação de título ou parágrafo.
XML: mesma informação do JSON, em etiquetas, para sistemas que já trabalham com XML. Não é o XML de nota fiscal eletrônica, que só o sistema emissor gera.
Markdown e HTML: para publicar o texto em documentação, wikis ou sites.
Limitações e conferência
Todas essas conversões leem o texto digital do PDF; documentos escaneados precisam de OCR antes. A ferramenta não entende o significado do conteúdo — ela não sabe o que é um valor total ou uma data de vencimento.
Confira sempre algumas linhas do resultado com o PDF original antes de importar os dados em um sistema.
Perguntas frequentes
Qual formato abre no Excel?
CSV abre diretamente. Para ter uma aba por página e formato de planilha, use PDF para Excel.
Tabelas viram objetos no JSON?
Não. No JSON e no XML, os valores das tabelas aparecem como linhas de texto.